诊断准确性研究投稿，STARD 2015怎么查缺漏？

诊断研究把敏感度和特异度算出来，并不等于稿件已经足够透明。编辑要知道检测面对谁、与什么参考标准比较、阳性阈值怎样确定，以及无法判读的结果如何处理。STARD 2015 是诊断准确性研究的报告清单。投稿前用它反查稿件，比在结尾附一个打满勾的表格更有用。

先判断研究是不是在评价诊断准确性

如果研究的核心问题是某项检查能否识别目标疾病或状态，并报告敏感度、特异度、预测值或曲线下面积，通常需要查看 STARD。单纯比较两种设备的测量一致性，或者开发预测模型，未必与这份清单完全对应；应先按研究设计找目标刊要求。STARD 的用途是让研究过程可以被评估，不是通过填写清单证明检测方法有效。

准备时先把“被评价的检测”与“参考标准”写成两列。为什么选择该参考标准？有没有其他可选标准？阳性阈值是在看数据前预设，还是观察结果后探索出来？如果稿件只给出一条 ROC 曲线，读者仍不知道实际临床使用时会按哪个界值行动。阈值选择的时间和依据应在方法中说清，结果与表格保持一致。

把入组路径和两项检测的关系画清

STARD 清单要求描述受试者如何识别、招募时间和地点、连续还是便利样本，以及受试者流程。设想医院先筛出一百位疑似病例，其中十位没有完成参考标准；最终分析九十人时，不能只报“纳入九十人”。那十人为什么缺失、缺失是否可能与病情相关，会影响读者理解准确性估计。流程图和正文的人数需要对上，排除理由也应可追踪。

另一个常被压缩掉的细节是信息隔离。读片者是否知道参考标准结果？判定参考标准的人是否先看过待评价检测？若知道，会怎样影响判读？清单分别问这两个方向，作者不能写一个笼统的“双盲”就结束。检测与参考标准之间的时间间隔、期间是否治疗，也应如实报告；病情可能变化时，两次检查结果不能简单视作同一时点的状态。

结果不仅是一组准确率

投稿前核对交叉列联表或检测值分布，让读者看得出真阳性、假阳性等数值从哪里来。准确性估计要配合精度指标，例如置信区间；不确定、缺失的检测结果如何处理也要交代。若做亚组比较，区分事先计划与事后探索，不应把样本很小的亚组高准确率写成普遍结论。

STARD 2015 还提示讨论局限、偏倚来源及预期临床角色。最后一次核对时，从摘要的结论倒着查方法和结果：声称“适合筛查”是否有对应人群、阈值与漏诊代价的证据？若只有单中心、高患病率样本，写清适用范围比堆砌更多小数位更重要。将清单页码与稿件版本一起保存，修订图表后再查一遍引用位置。